基于部分域自适应和分位数回归的非侵入式负荷检测方法

专利主权项内容

1.一种基于部分域自适应和分位数回归的非侵入式负荷检测方法，其特征在于，包括以下步骤：步骤S1、首先利用低频功率智能电表收集各电器设备的时间和功率信息作为总体样本，将总体样本分为源域样本x∈X和目标域样本x∈X；然后分别对源域样本和目标域样本中的数据进行预处理；sstt步骤S2、联合部分域自适应策略和多目标回归机制构建负荷分解网络模型，将步骤S1预处理后的样本数据作为负荷分解网络模型的输入数据，所述负荷分解网络模型包括特征提取层、特征对齐层和负荷分解层，具体过程如下：步骤S2.1、特征提取层提取各个样本的空间特征和时间特征；对于输入的样本数据，特征提取层分别将源域样本x∈X和目标域样本x∈X别映射到高级表达矩阵中，得到源域样本特征向量/>和目标域样本特征向量/>sstt步骤S2.2、将步骤S2.1所得源域特征和目标域特征/>输入至特征对齐层，所述特征对齐层包括两个全连接层，激活函数为relu()；首先，创建开关状态矩阵b，特征对齐层为每个源域电器的功率设定阈值，开关状态矩阵b中对应的大于阈值的元素，赋值为1，反之则赋值为0；ss然后，针对源域样本特征向量和目标域样本特征向量/>对每个源域样本计算权重，计算源域和目标域的高斯核矩阵A，/>矩阵A中第i行第j列元素a表示来自源域和目标域的一对样本之间的相似性；ij第i个源域样本权重计算公式为：第j个目标域样本赋予相同权重n分别代表目标域样本数量，n代表源域样本数量，C代表源域电器类别数，代表开关状态矩阵b的第i行第k列个元素，γ表示带宽；tsss步骤S2.3、对步骤S2.1所得源域样本特征向量和目标域样本特征向量/>计算其加权MMD距离计算公式为：/>上式中，为目标域样本权重、/>为源域的第i个源域样本、/>为目标域的第j个目标域样本，/>表示一个具有半径为1的再生核希尔伯特空间；步骤S2.4、在负荷分解层的最后一个全连接层上预测单个电器设备的功率消耗，实现负荷分解，方法为：将该电气设备的总负荷分解为单个设备或家电的功率；步骤S3、计算负荷分解网络模型的总损失，具体步骤如下，步骤S3.1、采用负荷分解网络模型同时对多个目标电器做回归任务，采用分位数回归来完成这里的多目标回归任务，分位数回归公式如下：上式中，i表示电器设备的时间，即某一时间段或时刻，取值范围是1到T，j表示电器设备的索引，即特定的电器设备，取值范围是1到N；T和N分别表示电器的时间步长和数量；y(t)和y(t)分别表示第n个电器在t时刻的预测功耗值和实际功耗值；nτnn步骤S3.2、负荷分解网络模型的损失函数loss为多目标回归损失和域适应损失L之和，损失函数loss的计算公式为：/>WMMD通过超参数λ来调节分配给每个损失的权重；步骤S4、使用步骤S1预处理后的样本数据对负荷分解网络模型进行训练和测试，并评估负荷分解性能，其中采用adam优化器训练模型，并采用平均绝对值误差MAE和信号聚合误差SAE这两项指标作为评价标准。